MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。

% R$ j2 X1 D$ w; X' N" y本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
# Q# m. N* B/ f" v使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
( }. {, o! _9 b" {本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

4 [4 i1 V8 q3 ?# |% y. L随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
# \- z7 V* d* G1 @
' s$ B5 X9 G, @1 X: V& q7 I0 v
) x; ^; ~. @! u( H/ H- k! h+ l编辑推荐
' g) T- _  F3 o, ]9 |本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
作者简介
王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
目录
) r! ^* M  U# c, h* Q  {第1章BP神经网络的数据分类——语音特征信号分类
+ I4 X+ S* f$ n1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
* u* _. i; R% ^1 p  u! ?: M1 G1.3MATLAB实现
7 _# k. K( `0 y; X1.3.1归一化方法及MATLAB函数
1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
+ ^% [4 v: Y& Y' c2 u8 u( P1.4案例扩展
. n7 U% A( t3 o- F+ j1.4.1隐含层节点数
. G# ]' e- v0 J" U+ B4 e/ t1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
2.1案例背景
2.2模型建立
% |! Q( t$ x$ ?; Y, s# n: e( [3 @2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
4 ?' [, |- z) C2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
2.4.4节点转移函数
2.4.5网络拟合的局限性
参考文献
第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
3.1.1遗传算法原理
1 f! g4 n9 W( X3.1.2遗传算法的基本要素
& w3 g6 T8 c) O6 u7 A4 F3.1.3拟合函数
3.2模型建立
- a! p1 e( ^7 ^0 d& H  b# F: L: R3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
# m0 q% ~- }9 m5 M% d3.3.1适应度函数
3.3.2选择操作
3.3.3交叉操作
: U3 D4 @1 d; x7 {! a7 a3.3.4变异操作
$ s" M2 h+ |3 V1 g" D3.3.5遗传算法主函数
; M) j7 x4 S3 f( i3.3.6 遗传算法优化的BP神经网络函数拟合
2 O, H* i& G# P# j9 b3.3.7结果分析
3.4案例扩展
& [$ t" j* ~5 D9 Q6 O1 ]* I3.4.1其他优化方法
$ N$ x3 i3 x! J& E3.4.2网络结构优化
9 \6 F9 V- N* V8 ]2 {; R: i3 R! |3.4.3算法的局限性
% ~0 Y8 z% L8 [& D. Z) l( o3 L参考文献
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
4.1案例背景
1 N( m! ?" D6 I" y4.2模型建立
4.3编程实现
6 R9 U  T4 U7 q1 Q  t8 k+ ]# t4.3.1 BP神经网络训练
& D, w( F# Q4 F) I$ W) J4.3.2适应度函数
4.3.3遗传算法主函数
5 q% v/ w9 h* v4.3.4结果分析
4.4案例扩展
2 _6 U- d+ Y/ ~- B- t4.4.1工程实例
4.4.2预测精度探讨
参考文献
0 @6 y! \0 _* y) q' o: v5 r第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
: c5 V' ^  [( Y3 \; [+ T( c$ ~5.1案例背景
2 j% v& d5 b0 N+ |& c+ O- l5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
% ?7 x" ?+ m% Z: X/ a' d5.2模型建立
5.3编程实现
5.3.1数据集选择
5.3.2弱分类器学习分类
1 S1 E/ l$ n  p5 I( d5 n( Z! z) a5.3.3强分类器分类和结果统计
5.3.垂结果分析
5.4案例扩展
" J" Z9 V  ]- G- j2 r5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
5.4.4结果分析
3 W+ \# K! N5 j0 |参考文献
第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
5 `6 _/ }. U6 Q* [6.1.1 PID神经元网络结构
+ s, u* y7 s& n. b. k% h% h6.1.2控制律计算
% ^: l; s8 S( m+ V7 s6.1.3权值修正
6.1.4控制对象
. U  L4 s5 M' w7 }1 |' v5 |: b: z9 {6.2模型建立
( H* O- x8 m1 p8 E8 q6.3编程实现
. x& d( y9 e1 y0 r' P  b6.3.1 PID神经网络初始化
7 y+ r- V$ O; G! `% h6.3.z控制律计算
6.3.3权值修正
0 N! ?. M" M' F4 \6.3.4结果分析
+ q. l6 A2 V' G: ?' F* B. }6.4案例扩展
6.4.1增加动量项
6 \' n. @8 F. r7 H& M6.4.2神经元系数
! Z2 A4 [/ ^7 I( p8 j6.4.3 PID神经元网络权值优化
参考文献
# f# w: c# O! y: N0 C  U) o6 Z" s$ ]5 c& v第7章 RBF网络的回归——非线性函数回归的实现
  I: r) Y* s. z' ]& Q7.1案例背景
7.1.1 RBF神经网络概述
4 x3 h" z9 y% X! P7.1.2 RBF神经网络结构模型
& i. @1 t9 o/ ~- g/ y0 g7.1.3 RBF神经网络的学习算法
: Z% S7 @, g* ~7 l. c- y7.1.4曲线拟合相关背景
7.2模型建立
$ J; z$ X; z: j! P& ~# A# `7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
: U. }+ u3 o1 Z7.4.1应用径向基神经网络需要注意的问题
8 n+ E% E  Y2 Q6 c7.4.2 SPREAD对网络的影响
1 U8 A/ I) A( q; b参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
( L, t$ q* k( }* t" @; g8.1案例背景
' z9 u4 \0 v& A8.1.1 GRNN神经网络概述
0 t! l- a) j* ^- g: E8.1.2 GRNN的网络结构
- j& Y( h* C# H: T, B4 T8.1.3 GRNN的理论基础
  O# f" K8 s1 Z4 {0 B8.1.4运输系统货运量预测相关背景
8.2模型建立
- G( l0 O, S* _) a8.3 MATLAB实现
; V* h: r- z8 M$ ^8.4案例扩展
参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
* z1 `4 }* i9 h! Z7 Z) a' Z, X9.1案例背景
6 U' r- u' ?1 @, }9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
9.1.3问题描述
, x6 r; {9 x, N6 E2 D% M9.2模型建立
9.2.1设计思路
* G3 H. M! T2 X9 O9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
: N4 D& z6 P8 `" U: H( ]9.3.1 Hopfield网络创建函数
& |( H4 y. X% X+ Y' l7 K; ~9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
$ g/ x" R0 B0 s" v9.4.1输入输出设计
9 t- k& v& T1 u3 Y/ L+ @9.4.2网络建立
! I0 X. S/ n& r, f9.4.3产生带噪声的数字点阵
( x! m- }. E7 w  [5 F2 t+ e' s- V9.4.4数字识别测试
& c  `4 P( h4 G1 |; I( k9.4.5结果分析
, @8 _5 ~1 i4 W9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
! r, d8 b' A3 u; e' d' I10.1案例背景
10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
- `0 P. l! Y. H5 s# C8 ?10.1.3问题描述
10.2模型建立
. T1 Z- U# H: \10.2.1设计思路
10.2.2设计步骤
0 T) P# w  s/ `10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
10.3.3创建目标向量（平衡点）
4 Q  J0 H& p. P7 s# d10.3.4创建网络
: ]6 W3 U+ p% {5 t+ R& e10.3.5仿真测试
10.3.6结果分析
. v+ d% h! U% Z9 P; O10.4案例扩展
5 ~) I* Z% ]7 U! b+ `参考文献
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
2 _" v6 ]# c0 m- c* v11.1案例背景
; B- q& Z- O5 N1 \) a6 q11.1.1连续Hopfield神经网络概述
  g( q* g# y0 L- J4 }11.1.2组合优化问题概述
: C; r. k  X9 d# N* r# h( x, u3 j: J11.1.3问题描述
11.2模型建立
1 [& V* c; f+ W11.2.1设计思路
11.2.2设计步骤
/ N% b1 n6 K9 u11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
; z8 z0 m, N, ?1 Y11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
11.3.4寻优迭代
1 S6 [* U. o; D4 z11.3.5结果输出
3 U0 S; k- m' O: R11.4案例扩展
+ B7 F! |4 F) M# D0 Q, {& S) n11.4.1结果比较
11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
12.1案例背景
; [' r( l8 \( B4 p% _" y2 M12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
* d7 a" ~  T1 a5 p# I12.1.3 LIBSVM工具箱在MATLAB平台下的安装
% L' T* W( [7 w6 P12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
第13章LIBSVM参数实例详解
7 x6 T4 L* c/ e8 v2 r6 k13.1案例背景
13.2 MATLAB实现
13.3案例扩展
; L- f5 e3 c0 L$ b, J) N参考文献
, G+ L  `% [  H8 n) W/ T第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
14.1案例背景
$ t1 J4 M  n- ~. [7 @14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
第16章基于SVM的回归预测分析——上证指数开盘指数预测
第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
$ B( }# Y/ f6 f( j第18章基于SVM的图像分割——真彩色图像分割
" s: U8 Q. Z( X2 r% _第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
' T2 A: M+ j/ s, k6 ^5 q) R第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
1 u. r- l' f$ L3 h, I/ A第23章Elman神经网络的数据预测——电力负荷预测模型研究
+ b/ j' i% l$ h# G# J第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
+ L" v4 B+ T6 y6 E( _第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
第31章思维进化算法优化BP神经网络——非线性函数拟合
/ g, T0 e9 m+ K第32章小波神经网络的时间序列预测——短时交通流量预测
* T' b" @& [# T; r# N第33章模糊神经网络的预测算法——嘉陵江水质评价
第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
第36章遗传算法优化计算——建模自变量降维
第37章基于灰色神经网络的预测算法研究——订单需求预测
第38章基于Kohonen网络的聚类算法——网络入侵聚类
第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
第41章定制神经网络的实现——神经网络的个性化建模与仿真
/ H6 O3 M+ N  w& v9 p1 r% n第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
& Y) K6 }* R/ L( ]$ Y& P8 l序言
1 [( q& b" _8 |. L% p; ~8 C7 y序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
0 Y* ^) S8 ]& R; M) f; z我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
' [5 p6 j: J4 ?. o因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。


MathWorks 中国教育业务发展总监

陈炜博士
- {9 U  V" K' @- Q2 O+ `. P
2013年6月于上海
% i8 i+ J4 N1 w7 g

- s1 {2 n3 U+ a; r5 H3 n) D$ lpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
! N* D7 K( X2 [数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
+ J, d7 h6 M3 D" R# N( b# j6 h
$ d9 [: f% d& |9 L4 ]& [! y
* D( v' k9 d2 ]8 Q/ G: _0 S9 k0 v